Robust Variational Inference
Robust variational inference (RVI) extends standard variational inference by replacing the Kullback-Leibler divergence with a divergence measure that is less sensitive to outliers and model misspecification — such as the beta-divergence or a Renyi-type divergence. This yields posterior approximations that remain well-behaved even when a fraction of the data departs from the assumed model.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- Futami, F., Sato, I. & Sugiyama, M. (2018). Variational inference based on robust divergences. Proceedings of the 21st International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 84:813-822. · URL
- Ghosh, S. & Basu, A. (2016). Robust Bayes estimation using the density power divergence. Annals of the Institute of Statistical Mathematics, 68(2), 413-437. · URL
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.